买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利全局主成分引导下的端到端锚点多视图图像聚类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119478469B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411686807.5，技术领域涉及：G06V10/762；该发明授权全局主成分引导下的端到端锚点多视图图像聚类方法是由王靖宇;郭圣昭;聂飞平;李学龙;李浩宇;张科设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本全局主成分引导下的端到端锚点多视图图像聚类方法在说明书摘要公布了：本申请公开了一种全局主成分引导下的端到端锚点多视图图像聚类方法，具体涉及图像处理的领域。包括：获取各视图的子视图样本矩阵，并确定特征映射矩阵；获取全局锚点矩阵及锚点图矩阵；在锚点图矩阵中获取锚点模糊标签矩阵，并基于锚点模糊标签矩阵得到样本模糊标签矩阵；基于子视图样本矩阵、特征映射矩阵、全局锚点矩阵、锚点图矩阵、锚点模糊标签矩阵及样本模糊标签矩阵建立目标函数；重新确定特征映射矩阵，并重新通过特征映射矩阵将所有视图的子视图样本矩阵转换至统一潜在空间，直至目标函数收敛，输出最终的样本模糊标签矩阵。能实现目标函数的统一以便于模型优化习得全局最优解并提升聚类精度。

本发明授权全局主成分引导下的端到端锚点多视图图像聚类方法在权利要求书中公布了：1.一种全局主成分引导下的端到端锚点多视图图像聚类方法，其特征在于，包括： 步骤1，获取各视图的子视图样本矩阵，随机生成初始全局锚点矩阵、初始锚点图矩阵； 步骤2，根据各视图的子视图样本矩阵、初始全局锚点矩阵及初始锚点图矩阵确定特征映射矩阵； 步骤3，通过特征映射矩阵将所有视图的子视图样本矩阵转换至统一潜在空间； 步骤4，在统一潜在空间内的所有视图的子视图样本矩阵中提取公共锚点，得到全局锚点矩阵及锚点图矩阵； 步骤5，在锚点图矩阵中获取锚点模糊标签矩阵，并基于所述锚点模糊标签矩阵进行模糊标签传播，得到样本模糊标签矩阵； 步骤6，基于所述子视图样本矩阵、特征映射矩阵、全局锚点矩阵、锚点图矩阵确定各视图的结构损失和结构损失权重；基于锚点图矩阵、锚点模糊标签矩阵及样本模糊标签矩阵确定标签传递损失和传递损失权重；根据各视图的结构损失及结构损失权重、标签传递损失及传递损失权重建立目标函数； 步骤7，根据各视图的子视图样本矩阵、全局锚点矩阵、锚点图矩阵确定特征映射矩阵，并返回步骤3，直至目标函数收敛，输出最终的样本模糊标签矩阵； 所述目标函数如下： 式中，表示子视图样本矩阵，表示矩阵F范数，表示第个子视图下特征映射矩阵，表示统一潜在空间维度数量，表示全局锚点矩阵，表示全局锚点数量，表示锚点图矩阵，和均表示单位矩阵，和均表示元素均为1的列向量，表示特征映射矩阵的列向量满足正交约束，表示全局锚点矩阵列元素满足正交约束；表示样本模糊标签矩阵，表示锚点模糊标签矩阵，表示样本模糊标签矩阵中任意元素均满足非负约束且列向量元素和为1，表示锚点模糊标签矩阵中任意元素均满足非负约束且列向量元素和为1；表示第个视图的损失权重，表示标签传播的损失权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。